الانتقال المتوسط باستخدام - ص

إضافة اتجاه أو متوسط ​​خط متحرك إلى رسم بياني ينطبق على: إكسيل 2016 ورد 2016 بويربوانت 2016 إكسيل 2013 ورد 2013 أوتلوك 2013 بويربوانت 2013 أكثر. أقل لعرض اتجاهات البيانات أو التحرك المتوسطات في مخطط قمت بإنشائه. يمكنك إضافة خط الاتجاه. يمكنك أيضا تمديد خط اتجاه يتجاوز البيانات الفعلية للمساعدة في التنبؤ القيم المستقبلية. على سبيل المثال، يتنبأ خط الاتجاه الخطي التالي بربعين قبل ذلك ويظهر بوضوح اتجاها تصاعديا يبدو واعدا للمبيعات المستقبلية. يمكنك إضافة خط الاتجاه إلى مخطط 2-D التي ليست مكدسة، بما في ذلك المنطقة، شريط، العمود، الخط، الأسهم، مبعثر، و فقاعة. لا يمكنك إضافة خط الاتجاه إلى مكدسة، 3-D، الرادار، فطيرة، سطح، أو الرسم البياني دونات. إضافة خط الاتجاه في المخطط، انقر على سلسلة البيانات التي تريد إضافة خط اتجاه أو متوسط ​​متحرك لها. سيبدأ خط الاتجاه على نقطة البيانات الأولى لسلسلة البيانات التي تختارها. حدد المربع تريندلين. لاختيار نوع مختلف من خط الاتجاه، انقر على السهم بجوار تريندلين. ثم انقر فوق الأسي. توقعات خطية. أو اثنين من فترة الانتقال المتوسط. بالنسبة لخطوط الاتجاه الإضافية، انقر على المزيد من الخيارات. إذا اخترت المزيد من الخيارات. انقر فوق الخيار الذي تريده في جزء "تنسيق الاتجاه" ضمن خيارات تريندلاين. إذا قمت بتحديد الحدودي. أدخل أعلى قوة للمتغير المستقل في المربع الأمر. إذا حددت متوسط ​​النقل. أدخل عدد الفترات لاستخدامها لحساب المتوسط ​​المتحرك في المربع الفترة. نصيحة: خط الاتجاه هو الأكثر دقة عندما تكون قيمة R-سكارد (عدد من 0 إلى 1 تكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع بياناتك الفعلية) عند أو بالقرب من 1. عند إضافة خط اتجاه إلى بياناتك ، يقوم إكسيل تلقائيا بحساب قيمة R-سكارد. يمكنك عرض هذه القيمة على المخطط الخاص بك عن طريق التحقق من قيمة العرض R-سكارد في مربع الرسم البياني (تنسيق جزء الاتجاه، خيارات تريندلاين). يمكنك معرفة المزيد عن جميع خيارات خط الاتجاه في الأقسام أدناه. خط الاتجاه الخطي استخدم هذا النوع من خط الاتجاه لإنشاء خط مستقيم أفضل تناسب لمجموعات البيانات الخطية البسيطة. البيانات الخاصة بك خطية إذا كان النمط في نقاط البيانات الخاصة به يشبه خط. خط الاتجاه الخطي عادة ما يظهر أن شيئا ما يتزايد أو ينخفض ​​بمعدل ثابت. يستخدم خط الاتجاه الخطي هذه المعادلة لحساب المربعات الصغرى تناسب لخط: حيث m هو المنحدر و b هو اعتراض. ويبين الخط الاتجاهي التالي أن مبيعات الثلاجات زادت باستمرار على مدى 8 سنوات. لاحظ أن قيمة R-سكارد (عدد من 0 إلى 1 الذي يكشف عن مدى دقة القيم المقدرة لخط الاتجاه تتوافق مع البيانات الفعلية الخاصة بك) هو 0.9792، وهو مناسب تماما للخط إلى البيانات. عرض خط منحني أفضل تناسب، وهذا الاتجاه هو مفيد عندما معدل التغير في البيانات يزيد أو ينخفض ​​بسرعة ثم مستويات خارج. خط الاتجاه اللوغاريتمي يمكن أن يستخدم القيم السلبية والإيجابية. يستخدم خط الاتجاه اللوغاريتمي هذه المعادلة لحساب المربعات الصغرى تناسب من خلال النقاط: حيث c و b هي الثوابت و لن هي وظيفة اللوغاريتم الطبيعي. ويظهر خط الاتجاه اللوغاريتمي التالي النمو السكاني المتوقع للحيوانات في منطقة ذات مساحة ثابتة، حيث انخفض عدد السكان المستخرج كمساحة للحيوانات. لاحظ أن قيمة R-سكارد هي 0.933، وهو مناسب نسبيا من الخط إلى البيانات. يعد هذا الاتجاه مفيدا عندما تتقلب بياناتك. على سبيل المثال، عند تحليل المكاسب والخسائر على مجموعة بيانات كبيرة. ترتيب الحدودي يمكن تحديدها من قبل عدد من التقلبات في البيانات أو عدد الانحناءات (التلال والوديان) تظهر في المنحنى. عادة، يوجد خط اتجاه متعدد الحدود من أجل 2 يحتوي على تلة أو وادي واحد فقط، ويشتمل الأمر 3 على واحد أو اثنين من التلال أو الوديان، ويوجد في الأمر 4 ما يصل إلى ثلاثة تلال أو وديان. خط الاتجاه متعدد الحدود أو المنحني يستخدم هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث b والثوابت. ويظهر خط الاتجاه 2 متعدد الحدود التالي (تلة واحدة) العلاقة بين سرعة القيادة واستهلاك الوقود. لاحظ أن قيمة R-سكارد هي 0.979، التي هي قريبة من 1 حتى الخطوط تناسب البيانات. عرض خط المنحني، هذا الاتجاه هو مفيد لمجموعات البيانات التي تقارن القياسات التي تزداد بمعدل معين. على سبيل المثال، تسارع سيارة سباق في فترات 1 ثانية. لا يمكنك إنشاء خط اتجاه طاقة إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الطاقة هذه المعادلة لحساب المربعات الصغرى تناسب من خلال نقاط: حيث c و b هي الثوابت. ملاحظة: لا يتوفر هذا الخيار عندما تتضمن البيانات قيما سلبية أو صفرية. يظهر مخطط قياس المسافة التالي المسافة بالأمتار بالثواني. يوضح خط التيار الكهربائي بوضوح تسارع متزايد. لاحظ أن قيمة R-سكارد هو 0.986، وهو مثاليا تقريبا من الخط إلى البيانات. عرض خط المنحني، وهذا الاتجاه هو مفيد عندما ترتفع قيم البيانات أو تنخفض بمعدل متزايد باستمرار. لا يمكنك إنشاء خط اتجاه أسي إذا كانت بياناتك تحتوي على قيم صفر أو سلبية. يستخدم خط الاتجاه الأسي هذه المعادلة لحساب المربعات الصغرى التي تناسب من خلال النقاط: حيث c و b هي الثوابت و e هو قاعدة اللوغاريتم الطبيعي. ويظهر خط الاتجاه الأسي التالي تناقص كمية الكربون 14 في جسم ما عند عمره. لاحظ أن قيمة R-سكارد هي 0.990، مما يعني أن الخط يناسب البيانات تقريبا تقريبا. موفينغ ترافيك ترندلين هذا الاتجاه يدل على تقلبات في البيانات لإظهار نمط أو اتجاه أكثر وضوحا. يستخدم المتوسط ​​المتحرك عددا محددا من نقاط البيانات (يحددها خيار الفترة)، ويتوسطها، ويستخدم متوسط ​​القيمة كنقطة في السطر. على سبيل المثال، إذا تم تعيين الفترة إلى 2، يتم استخدام متوسط ​​أول نقطتي بيانات كنقطة أولى في خط الاتجاه المتوسط ​​المتحرك. ويستخدم متوسط ​​نقاط البيانات الثانية والثالثة كنقطة ثانية في خط الاتجاه، وما إلى ذلك. ويستخدم خط الاتجاه المتوسط ​​المتحرك هذه المعادلة: عدد النقاط في خط اتجاه متوسط ​​متحرك يساوي العدد الإجمالي للنقاط في السلسلة، مطروحا منه الرقم الذي تحدده للفترة. في المخطط المبعثر، يقوم خط الاتجاه بناء على ترتيب القيم x في المخطط. للحصول على نتيجة أفضل، صنف القيم x قبل إضافة متوسط ​​متحرك. يظهر خط الاتجاه المتوسط ​​التالي نمطا في عدد المنازل المباعة على مدى 26 أسبوعا. المتوسطات المتحركة في R على حد علمي، R ليس لديه وظيفة مدمجة لحساب المتوسطات المتحركة. وباستخدام وظيفة التصفية، يمكننا كتابة دالة قصيرة للمتوسطات المتحركة: يمكننا بعد ذلك استخدام الدالة على أي بيانات: ماف (داتا) أو ماف (داتا، 11) إذا أردنا تحديد عدد مختلف من نقاط البيانات من العمل الافتراضي 5 التآمر كما هو متوقع: مؤامرة (ماف (البيانات)). بالإضافة إلى عدد من نقاط البيانات التي إلى المتوسط، يمكننا أيضا تغيير حجة الجانبين من وظائف مرشح: الجانبين 2 يستخدم كلا الجانبين، الجانبين 1 يستخدم القيم الماضية فقط. شير ذيس: بوست نافيغاتيون تعليق الملاحة التعليق نافيغاتيون تحليل سلسلة الوقت وتطبيقاتها: مع R أمثلة R سلسلة الوقت إصلاح سريع الصفحة يستخدم جافا سكريبت لتسليط الضوء على بناء الجملة. ليس من الضروري تشغيله، ولكن سوف يكون من الصعب قراءة التعليمات البرمجية. هذا هو مجرد نزهة قصيرة في الوقت المحدد سيريس حارة. نصيحتي هي لفتح R واللعب جنبا إلى جنب مع البرنامج التعليمي. نأمل، قمت بتثبيت R وجدت رمز على سطح المكتب الخاص بك الذي يبدو وكأنه R. حسنا، هو R. إذا كنت تستخدم لينكس، ثم التوقف عن النظر لأنه ليس هناك. مجرد فتح محطة وأدخل R (أو تثبيت R ستوديو.) إذا كنت تريد المزيد على الرسومات سلسلة الوقت، وخاصة باستخدام ggplot2. راجع الرسومات سريعة الإصلاح. ويهدف الإصلاح السريع لفضح لك الأساسية R قدرات سلسلة الوقت ويتم تصنيف متعة للأشخاص الذين تتراوح أعمارهم بين 8 إلى 80. وهذا ليس المقصود أن يكون درسا في تحليل سلسلة زمنية، ولكن إذا كنت تريد واحد، قد حاول هذا قصيرة سهلة بالطبع: لوز خطوات الطفل. أول جلسة R. الحصول على مريحة، ثم تبدأ لها ومحاولة بعض إضافة بسيطة: حسنا، الآن أنت خبير استخدام R. كانوا يحصلون على أستسا الآن: الآن بعد أن قمت بتحميلها، يمكننا أن نبدأ. دعونا نذهب أولا، ولعب جيدا مع مجموعة بيانات جونسون أمبير جونسون. وشملت في أستسا كما جي. أن دينوميت حرف من الأوقات الجيدة. أولا، ننظر في الأمر. وترى أن جي هو مجموعة من 84 أرقام تسمى كائن سلسلة زمنية. سيريموف الكائنات الخاصة بك: إذا كنت ماتلاب (أو ما شابه) المستخدم، قد تعتقد جي هو 84 مرة 1 ناقلات، ولكن لا. لديها النظام وطول، ولكن لا أبعاد (أي صفوف، لا أعمدة). R يدعو هذه الأنواع من ناقلات الكائنات لذلك عليك أن تكون حذرا. في R، المصفوفات لها أبعاد ولكن ناقلات لا - أنها مجرد نوع من تعلق حول في الفضاء الإلكتروني. الآن، دعونا جعل كائن سلسلة الوقت الشهري الذي يبدأ في يونيو من عام 2293. ندخل دوامة. لاحظ أن بيانات جونسون و جونسون هي أرباح ربع سنوية، وبالتالي فإن لديها تردد 4. سلسلة زمنية زردوز هي البيانات الشهرية، وبالتالي فقد تردد 12. يمكنك أيضا الحصول على بعض الأشياء المفيدة مع كائن تيسي، على سبيل المثال: الآن محاولة مؤامرة من بيانات جونسون جونسون: الرسم البياني هو أكثر نزوة قليلا من رمز سيعطي. لمزيد من التفاصيل، راجع صفحة "إصلاح الرسومات السريعة". هذا ينطبق على بقية المؤامرات سترى هنا. جرب هذه ومعرفة ما يحدث: وأثناء وجودك هنا، تحقق من plot. ts و ts. plot. لاحظ أنه إذا كانت البيانات الخاصة بك كائن سلسلة زمنية، سوف مؤامرة () تفعل خدعة (لمؤامرة زمنية بسيطة، وهذا هو). وإلا، سوف plot. ts () إكراه الرسم في مؤامرة زمنية. ماذا عن الترشيحطرق سلسلة جونسون أمب جونسون باستخدام متوسط ​​متحرك من جانبين يتيح محاولة هذا: فج (t) 8539 جي (t-2) frac14 جي (t) 1 frac14 جي (t) frac14 جي (t1) 8539 جي t2) وأيضا إضافة لويس (لويس - أنت تعرف الروتين) تناسب للمتعة. يتيح الفرق تسجيل البيانات وندعوه دلج. ثم لعب بشكل جيد مع دلجي. الآن رسم بياني ومؤامرة Q-Q، واحدة على رأس الأخرى (ولكن بطريقة لطيفة): يتيح التحقق من هيكل الارتباط دلجي باستخدام تقنيات مختلفة. أولا، ننظر جيدا في شبكة من سكاتيربلوتس من دلج (t) مقابل القيم المتخلفة. خطوط هي لويس تناسب والعينة أسف الأزرق في المربع. الآن يتيح إلقاء نظرة على أسف و باسف من دلجي. لاحظ أن محور لاغ هو من حيث التردد. لذلك 1،2،3،4،5 تتوافق مع التأخر 4،8،12،16،20 لأن التردد 4 هنا. إذا كنت لا تحب هذا النوع من العلامات، يمكنك استبدال دلج في أي من أعلاه من قبل تيسي (دلجي، freq1) على سبيل المثال. أسف (تيسي (دلج، freq1)، 20) الانتقال، يتيح محاولة تحلل هيكلي من سجل (جي) خطأ موسم الاتجاه باستخدام لويس. إذا كنت ترغب في فحص البقايا، على سبيل المثال، ثيري في dogtime. series، 3. العمود الثالث من السلسلة الناتجة (المكونات الموسمية والاتجاه في العمودين 1 و 2). تحقق من أسف من المخلفات، أسف (dogtime. series، 3) بقايا أرنت أبيض - لا حتى قريبة. يمكنك أن تفعل قليلا (القليل جدا) أفضل باستخدام نافذة الموسمية المحلية، بدلا من النافذة العالمية المستخدمة من قبل تحديد لكل. اكتب ستل للحصول على التفاصيل. ثيريس أيضا شيء يسمى ستروكتس التي من شأنها أن تناسب النماذج الهيكلية البارامترية. نحن لا نستخدم هذه الوظائف في النص عندما نقدم النمذجة الهيكلية في الفصل 6 لأننا نفضل استخدام برامجنا الخاصة. لوز هذا هو الوقت المناسب لشرح. في ما سبق، الكلب هو كائن يحتوي على مجموعة من الأشياء (المصطلح التقني). إذا كنت اكتب الكلب. سترى المكونات، وإذا قمت بكتابة ملخص (الكلب) عليك الحصول على ملخص قليلا من النتائج. واحد من مكونات الكلب هو time. series. الذي يحتوي على سلسلة الناتجة (الموسمية، الاتجاه، والباقي). لرؤية هذا المكون من كلب الكائن. يمكنك كتابة dogtime. series (وسترى 3 سلسلة، وآخر منها يحتوي على المخلفات). وهذه هي قصة. سترى المزيد من الأمثلة ونحن نتحرك على طول. والآن جيدا مشكلة من الفصل 2. كانت لتناسب سجل الانحدار (جي) بيتايمي ألفا 1 Q1 ألفا 2 Q2 ألفا 3 Q3 ألفا 4 Q4 إبسيلون حيث تشى هو مؤشر للربع الأول 1،2،3،4 . ثم فحص جيدا البقايا. يمكنك عرض مصفوفة نموذج (مع المتغيرات وهمية) بهذه الطريقة: الآن تحقق من ما حدث. ننظر إلى مؤامرة من الملاحظات والقيم المجهزة لها: مما يدل على أن مؤامرة من البيانات مع تناسب فرضه لا يستحق الفضاء السيبراني يستغرق. ولكن مؤامرة من المخلفات و أسف من المخلفات يستحق وزنه في جول: هل تلك البقايا تبدو بيضاء تجاهل الارتباط 0-تأخر، ودائما 1. تلميح: الجواب هو لا. وبالتالي فإن الانحدار أعلاه هو نوغاتوري. حتى ماذا يكون العلاج عذرا، عليك أن تأخذ الطبقة لأن هذا ليس درسا في السلاسل الزمنية. حذرت لك في الأعلى. عليك أن تكون حذرا عندما تراجعت سلسلة زمنية واحدة على مكونات متخلفة من آخر باستخدام لم (). هناك حزمة تسمى دينلم التي تجعل من السهل لتناسب الانحدارات المتخلفة، و إل مناقشة هذا الحق بعد هذا المثال. إذا كنت تستخدم لم (). ثم ما عليك القيام به هو ربط سلسلة معا باستخدام ts. intersect. إذا كنت لا التعادل سلسلة معا، فإنها لن تكون محاذاة بشكل صحيح. هيريس مثال على تراجع وفيات القلب والأوعية الدموية أسبوعيا (سمورت) على تلوث الجسيمات (جزء) في القيمة الحالية وأربعة أسابيع متأخرة (حوالي شهر). للحصول على تفاصيل حول مجموعة البيانات، راجع الفصل 2. تأكد من تحميل أستسا. ملاحظة: لم تكن هناك حاجة لإعادة تسمية تأخر (جزء، -4) إلى part4. مجرد مثال على ما يمكنك القيام به. بديل عن ما سبق هو دينلم الحزمة التي يجب أن تكون مثبتة، بطبيعة الحال (كما فعلنا ل أستسا هناك في البداية). بعد تثبيت الحزمة، يمكنك أن تفعل المثال السابق على النحو التالي: حسنا، وقتها لمحاكاة. العمود الفقري لمحاكاة أريما هو arima. sim (). وإليك بعض الأمثلة لا يظهر الإخراج هنا حتى أنت بنفسك. باستخدام أستسا من السهل لتناسب نموذج أريما: قد تكون أتساءل عن الفرق بين إيك و إيك أعلاه. لذلك عليك أن تقرأ النص أو مجرد لا تقلق بشأن ذلك لأنه لا يستحق تخريب يومك التفكير في ذلك. ونعم، تلك البقايا تبدو بيضاء. إذا كنت تريد أن تفعل التنبؤ أريما، يتم تضمين sarima. for في أستسا. والآن لبعض الانحدار مع أخطاء أوتوكوريلاتد. وكان من المقرر أن يتناسب مع النموذج M t ألفا بيتات غاماب t t t حيث M t و P t هي نسبة الوفيات (كمورت) والجسيمات (الجزء)، و e t هو خطأ أوتوكورلاتد. أولا، القيام تناسب عملية شريان الحياة للسودان والتحقق من المخلفات: تناسب الآن نموذج التحليل المتبقي (لا يظهر) تبدو مثالية. هيريس نموذج أرماكس، M t بيتا 0 في 1 M t-1 في 2 M t-2 بيتا 1 t بيتا 2 T t-1 بيتا 3 P t بيتا 4 P t-4 e t. حيث قد يكون t t أوتوكورلاتد. أولا نحاول أرماكس (p2، q0)، ثم ننظر في بقايا وتحقيق ثيريس أي ارتباط اليسار، لذلك تم القيام به. وأخيرا، تحليل طيفي كيكي: هذا كل شيء في الوقت الراهن. إذا كنت تريد المزيد من الرسومات في الوقت المحدد، راجع صفحة الرسومات سريعة الإصلاح.